买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南第一师范学院

摘要：本发明公开了一种基于细粒度特征的目标检测方法包括以下具体步骤：S1：网络模型设计：以YOLOv8s为模板设计一个网络模型，是在保留损失函数，正负样本分配策略等核心设计模块的基础上，使用了更强大的主干网络进行特征提取；S2：下采样模块：在MRT‑YOLO主干网络的下采样操作中使用SPD‑Conv模块，其中SPD‑Conv模块是由一个空间到深度SPD层；S3：通道注意力机制；S4：主干多尺度特征融合模块；S5：多尺度小目标检测结构；S6：MRT‑YOLO网络结构，本发明公开的一种基于细粒度特征的目标检测方法具有增强主干网络的特征提取能力，以及提升网络检测小目标的性能的效果。

主权项：1.一种基于细粒度特征的目标检测方法，其特征在于，包括以下具体步骤：S1：网络模型设计：以YOLOv8s为模板设计一个网络模型，是在保留损失函数，正负样本分配策略等核心设计模块的基础上，使用了更强大的主干网络进行特征提取；S2：下采样模块：在MRT-YOLO主干网络的下采样操作中使用SPD-Conv模块，其中SPD-Conv模块是由一个空间到深度SPD层，后面跟着一个非步长卷积Conv层组成；S3：通道注意力机制：在MRT-YOLO算法中引入通道注意机制，整合整个特征图的信息，以计算每个通道的重要性权重，同时将通道注意力加在C2f模块后；S4：主干多尺度特征融合模块：YOLOV8s在主干网络特征提取之后生成五个特征图，其中{C1,C2,C3,C4,C5}分别代表着不同尺度的物体的特征信息，并在此基础上增加一个由多尺度特征融合模块MFL生成的特征图{C6}；S5：多尺度小目标检测结构：YOLOv8算法的Neck部分融合FPN和PAN结构，在原始输入和输出节点之间添加一条额外的边，以在不增加成本的情况下融合更多功能；S6：MRT-YOLO网络结构：使用SPD-Conv模块进行下采样，YOLOv8中使用了C2f模块进行特征提取，与C3模块相比，多了更多的跨越连接和额外的Split操作，同时在C2f模块特征提取之后加入了通道注意力模块，并且算法通过将主干网络提取的特征图{C2,C3,C4,C5层}进行融合形成特征图{C6}，生成的{C6}包含更为丰富的不同尺度的语义信息，用{C6}传入网络进行特征信息交流，在生成特征图{C5}时用到了SPPF结构，将SPP原来并行的结构改成了串行结构。

全文数据：

权利要求：

百度查询： 湖南第一师范学院 一种基于细粒度特征的目标检测方法